Navegando por Assunto "Aprendizado de máquina"
Agora exibindo 1 - 10 de 14
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise de classificadores multiclasse aplicados a sinais de EEG baseados em SSVEP(2025-08-13) AZEVEDO, João Lucas Santos; SILVA, Cleison Daniel; http://lattes.cnpq.br/1445401605385329; https://orcid.org/0000-0001-8280-2928Interfaces Cérebro-Máquina (ICM) têm cada vez mais tomado uma posição de destaque dentro do meio acadêmico, sendo sua otimização e refinamento um dos objetos de maior interesse no campo da engenharia e neurociência, devido ao seu potencial de promover autonomia e melhorar a qualidade de vida, especialmente de pessoas com limitações motoras. Entre as abordagens existentes, as ICMs baseadas em Steady-State Visually Evoked Potentials (SSVEPs) se destacam pela praticidade e simplicidade na conversão de estímulos visuais em comandos. Os sistemas ICM baseados em SSVEP usam respostas cerebrais à estímulos visuais calibrados em frequências específicas, os quais são interpretados como diferentes comandos, a fim de serem utilizados em um dispositivo externo ou aplicação digital. Neste contexto, o presente trabalho realiza uma análise comparativa de classificadores multiclasse aplicados a sinais de EEG obtidos com o paradigma SSVEP, utilizando dados públicos do RIKEN-LABSP. Foram implementadas diferentes estratégias de extração de características e pré-processamento antes da aplicação dos classificadores Linear Discriminant Analysis (LDA), K Nearest Kneighbors (KNN) e Random Forest. Os resultados demonstram a viabilidade da abordagem, com acurácias máximas de 100%, 83,33% e 74,81% para janelas temporais de 2s, 1 s e 500 ms, respectivamente. O classificador LDA apresentou o melhor desempenho entre os avaliados, sendo o mais adequado para a tarefa proposta.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Análise preditiva e interpretação da classificação de malwares em sistemas android usando aprendizado de máquina(2024-10-15) AMARAL, Geovani da Silva do; MOREIRA, Caio Carvalho; http://lattes.cnpq.br/1370619943470585Este trabalho apresenta uma análise preditiva para a detecção de malwares em dispositivos Android usando Aprendizado de Máquina e métodos de explicabilidade para interpretar os resultados. Apos os pre-processamento, o conjunto de dados foi reduzido para 34.076 amostras e 179 características de chamadas de sistema e permissões. Entre 13 classificadores avaliados, o eXtreme Gradient Boosting (XGBoost) mostrou-se o mais eficiente, com métricas de acurácia, precisão, recall e F1-Score de aproximadamente 94%, e Tempo de Treinamento de 1,48s. O método SHapley Additive exPlanations (SHAP) foi utilizado para explicar as decisões do modelo, o que revelou chamadas de sistema e permissões sensíveis, como READ PHONE STATE, SYSTEM ALERT WINDOW, SEND SMS, ACCESS WIFI STATE, getpriority e getrlimit, fortemente associados a malwares.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Analyzing the impact of dimensionality reduction over human intestinal absorption prediction through machine learning(2022-02) CARDOSO, Eduardo Gil Serrão; RODRIGUES, Caio Marcos Flexa; http://lattes.cnpq.br/7685787461835870; SALES JÚNIOR, Claudomiro de Souza de; http://lattes.cnpq.br/4742268936279649Uma propriedade desejável no desenvolvimento de drogas é entrega oral. A triagem virtual de compostos químicos de acordo com sua biodisponibilidade oral com inteligência computacional pode acelerar a predição de sua absorção intestinal humana (HIA). A despeito da existência de vários estudos almejando predizer a permeabilidade intestinal de compostos químicos, nenhum tentou avaliar o impacto do uso de propriedades fisicoquímicas e estruturais relacionadas à biodisponibilidade oral com técnicas de redução de dimensionalidade (DR) e aprendizado de máquina (ML). Este estudo de caso apresenta uma análise sobre o impacto da aplicação de técnicas de redução de dimensionalidade tais como Análise de Componentes Principais (PCA), PCA baseado em Kernel (KPCA), Ivis, Aproximação e Projeção de Manifold Uniforme (UMAP) e Decomposição de Valor Singular Truncado(TSVD), conjuntamente com preditores de ML tais como Redes Neurais Artificiais (ANN), K-Vizinhos mais Próximos (KNN), Máquina de Vetores de Suporte (SVM) e Floresta Aleatória (RF) na predição de HIA de pequenas moléculas, dando foco ao comportamento dos modelos conforme a dimensionalidade varia. Os resultados demonstram que, apesar de reduzir a dimensionalidade em mais de 90%, os modelos de menor dimensionalidade para o KNN, RF e SVM ainda apresentaram resultados competitivos, demonstrando a viabilidade e o potencial de técnicas de DR enquanto etapa de pré-processamento.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aprendizado de máquina para análise de óleo na manutenção preditiva de equipamentos móveis na indústria de mineração(2026-07-14) CONCEIÇÃO, Jade Melo da; TEIXEIRA , Raphael Barros; http://lattes.cnpq.br/4902824086591521; https://orcid.org/0000-0003-2993-802XA análise de óleo lubrificante é uma ferramenta importante para identificar falhas prematuras em equipamentos, prolongar a vida útil dos componentes e reduzir custos de manutenção. Nesse contexto, torna-se necessário desenvolver métodos que contribuam para a melhoria da qualidade dos diagnósticos e para a antecipação de possíveis falhas. Dessa forma, este trabalho propõe a aplicação de técnicas de aprendizagem de máquina para classificar os resultados de análises de óleo em equipamentos móveis da indústria de mineração, identificando a condição do óleo com base em parâmetros estabelecidos pela gestão de ativos. Para a realização do estudo, foram utilizados dados de diagnósticos coletados com amostragem diária ao longo de dois anos. O conjunto de dados foi submetido a etapas de pré-processamento e dividido em subconjuntos de treino (80%) e validação (20%), permitindo treinamento e avaliação de diferentes algoritmos de classificação, incluindo Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Árvore de Decisão e Multilayer Perceptron (MLP). Os modelos foram aplicados com o objetivo de identificar padrões nos dados e classificar o estado do óleo de acordo com os parâmetros definidos nas classes normal, monitorar e crítico. Os algoritmos avaliados apresentaram índices competitivos de assertividade, com destaque para o Random Forest, que obteve o melhor desempenho global ao atingir 83,25% de acurácia e 82,02% de F1 score Macro e elevada estabilidade na curva Precision-Recall (Average Precision de 0,84 para a classe crítico). Desse modo, o estudo valida a eficácia do aprendizado de máquina como uma ferramenta robusta de apoio à tomada de decisão em estratégias de manutenção preditiva.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aprendizado federado baseado em múltiplas árvores de decisão para aplicações iot com computação de borda cooperativa(2024) BARBOSA, Lucas Nobre; RIKER, André Figueira; http://lattes.cnpq.br/2949449810540513A Internet das Coisas (IoT) tem dependido de nós de computação em borda para descentralizar a computação e trazer mais poder de processamento próximo aos dispositivos IoT, como sensores e atuadores. Os nós de compu tação de borda da IoT têm mais poder de processamento de dados e recursos energéticos do que os dispositivos IoT regulares que visam monitorar e atuar no ambiente. No entanto, em geral, os nós de computação de borda não são pro jetados para treinamento intensivo de Aprendizado de Máquina (ML) ou para hospedar grandes modelos de ML. Nas arquiteturas de rede IoT atuais, existem múltiplos nós de computação de borda estrategicamente localizados perto de um grande número de dispositivos, onde cada um dos nós de computação de borda tem acesso a parte dos dados produzidos por toda a rede IoT. Neste cená rio, cada nó de computação de borda executa modelos de ML leves em seu con junto de dados local. Neste artigo, propomos uma solução, chamada FEderated Decison Tree (FEDT), Árvore de Decisão Federada, que agrega o aprendizado produzido por múltiplas árvores de decisão de nós de borda cooperativos, se guindo os princípios de aprendizado federado. Apresentamos quatro estratégias de aprendizado federado diferentes e demonstramos que o FEDT pode alcançar cerca de 80% de um modelo de ML centralizado em termos de correlação de Pearson.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Um classificador supervisionado para relatos policiais no Estado do Pará(2022-12-16) MATOS, Helder Mateus dos Reis; SANTOS FILHO, Reginaldo Cordeiro dos; http://lattes.cnpq.br/9157422386900321Os diversos setores públicos estão se voltando para as tendências de aplicações de ciência e mineração de dados, muito em razão do aumento exponencial do volume de seus dados ao longo dos últimos anos, da consequente demanda cada vez mais frequente por informações escondidas na massa de dados gerados a cada dia, e das soluções oferecidas por estas áreas do conhecimento na automação e melhoria de processos internos. A segurança pública tem um grande potencial de adquirir benefícios gerados por ferramentas de automação de extração de conhecimento em bases de dados, incluindo a classificação de textos inclusos em relatos policiais. Este trabalho descreve o desenvolvimento de um classificador supervisionado de relatos policiais, construído a partir do conhecimento extraído de bases de dados públicas de relatos policiais, para os anos entre 2019 e 2021, no estado do Pará, Brasil. Dentre as técnicas utilizadas, destacam-se o uso de da metodologia de mineração de dados CRISP-DM, Processamento de Linguagem Natural, vetorização de sequências de texto através de word embeddings e um modelo de aprendizado profundo baseado em Redes Neurais Convolucionais. Este modelo alcançou uma acurácia geral de aproximadamente 78% para a predição de 463 classes únicas relacionadas com segurança pública. Tais classes incluem categorias derivadas da legislação brasileira, como homicídio, furto, roubo, estupro e ameaça, com a inclusão de classes específicas ao ambiente policial, como a comunicação de óbito, a morte por intervenção de agente do estado e o tráfico de drogas. O modelo resultante também foi usado para melhoria de processos estatísticos de analistas criminais, tanto em termos quantitativos, quanto qualitativos, através da implantação de uma ferramenta de classificação de relatos policiais diários do estado do Pará, reduzindo os esforços diários de processamento e consolidação dos dados em até 5 horas.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Estudo empírico de técnicas de aprendizagem de máquina na classificação e identificação de imagens de depressões em vias rodoviárias(2026-02-27) SOUZA, Jhonatan Oliveira de; MENDES, Ingrid Nery; https://lattes.cnpq.br/7079854122764802; https://orcid.org/0009-0003-0916-3906; TEIXEIRA, Otávio Noura; https://lattes.cnpq.br/5784356232477760Este trabalho apresenta uma avaliação experimental comparativa de técnicas de aprendizagem de máquina aplicadas à classificação de imagens de vias rodoviárias com e sem buracos. Foram analisados os algoritmos K-Nearest Neighbors (KNN), Máquinas de Vetores de Suporte (MVS) e Redes Neurais Convolucionais (RNC), utilizando os mesmos conjuntos de dados e protocolo experimental padronizado. Cada modelo foi executado 50 vezes, variando a semente aleatória para garantir maior robustez estatística. O desempenho foi avaliado por meio das métricas de Acurácia, Precisão, Recall e F1-Score, além da análise do custo computacional. Os resultados indicaram desempenho superior e maior estabilidade dos classificadores tradicionais (KNN e MVS) em comparação à RNC no cenário avaliado, destacando a influência do tamanho do Dataset e da complexidade do modelo no processo de aprendizagem.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Ferramentas no-code/low-code aplicadas ao desenvolvimento de inteligência artificial e de machine learning: uma revisão sistemática da literatura(2026-02-27) RABELO, Jonas da Silva; MENDES, Ingrid Nery; https://lattes.cnpq.br/7079854122764802; https://orcid.org/0009-0003-0916-3906; TEIXEIRA, Otávio Noura; https://lattes.cnpq.br/5784356232477760Este trabalho apresenta uma Revisão Sistemática da Literatura sobre o uso de Ferramentas No-Code e Low-Code (LC/NC) no desenvolvimento de soluções de Inteligência Artificial e Machine Learning. O objetivo é mapear e analisar as plataformas utilizadas, identificando características, benefícios, limitações e tendências. A revisão seguiu as diretrizes de Kitchenham e considerou estudos publicados entre janeiro de 2020 e agosto de 2025 nas bases ACM Digital Library, IEEE Xplore, ScienceDirect, Scopus e SpringerLink. Após os critérios de inclusão e exclusão, 67 estudos foram selecionados. Os resultados mostram que as ferramentas LC/NC ampliam o acesso ao desenvolvimento de IA e ML, especialmente para usuários sem formação técnica avançada. Contudo, foram identificadas limitações relacionadas à flexibilidade, personalização e dependência de ecossistemas, além da predominância de estudos descritivos e de viabilidade.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Minha casa, mas e meu emprego? A relação entre a localização dos empreendimentos do PMCMV e as oportunidades de trabalho disponíveis no entorno(2024-10-29) SILVA, Lucas Eduardo da Conceição; SANTOS, Victor Igor Monteiro dos; MOREIRA, Frederico Guilherme Pamplona; http://lattes.cnpq.br/3186899504227811Nos países em desenvolvimento, programas de habitação social, como o Programa Minha Casa, Minha Vida (PMCMV), têm sido centrais para transformar o ambiente urbano e oferecer moradias acessíveis a populações de baixa renda. Embora contribuam para reduzir o déficit habitacional, muitos empreendimentos estão sendo inseridos em áreas periféricas com baixa oferta de empregos e serviços públicos, o que pode acentuar a segregação socioespacial e limitar as oportunidades econômicas dos moradores, colocando em questão a real efetividade deste programa. Assim, este estudo tem como objetivo analisar a relação entre o número de unidades habitacionais contratadas (UHC) do PMCMV e a disponibilidade de empregos nas proximidades dos empreendimentos na região metropolitana de Belém. Para isso, foram utilizadas abordagens de aprendizado de máquina e modelos de regressão linear pelo método de mínimos quadrados ordinários (MQO), que incluíram variáveis de controle e efeitos fixos para município e ano, além de especificações espaciais, como os modelos Spatial Autoregressive Model (SAR) e Spatial Error Model (SEM), para capturar influências socioeconômicas e geográficas compartilhadas. Nesse contexto, serão investigados os padrões de inserção desses empreendimentos em relação à oferta de empregos no entorno e como essa dinâmica varia conforme as faixas de renda dos beneficiários. Os resultados mostraram que a Faixa 1 do PMCMV requer mais área de empreendimento quando comparado com as faixas 2 e 3, e a área do empreendimento modera positivamente a relação entre os vínculos de empregos ativos as unidades habitacionais contratadas.Trabalho de Curso - Graduação - Artigo Acesso aberto (Open Access) Modelagem preditiva de variáveis climáticas na Amazônia: uma análise comparativa de algoritmos de machine learning(2025-04-07) CRUZ, Jhon Wallacy Virginia da; FERREIRA JUNIOR, José Jailton Henrique; http://lattes.cnpq.br/9031636126268760Este trabalho tem como objetivo, realizar uma comparação entre al goritmos de aprendizado de máquina para previsão de características meteo rológicas como precipitação e temperatura máxima, tendo como conjunto de dados informações reais da região amazônica e analisar através de métricas de desempenho os modelos executados considerando a relação entre variáveis previsoras e variável prevista para diferentes conjuntos de dados. Dessa forma foi possível revelar informações importantes para aprimoramento de modelos de previsão climática na Amazônia.